Trabajo Final del Módulo

Maestría en Administración de Empresas

Supply Chain Management

UPB

Integrantes del Grupo

Grupo N°:5

Integrantes

  1. GONZALES RENJELJOSÉ IGNACIO
  2. LÓPEZ SÁNCHEZ FABIÁN
  3. OROZCO ANGULO JHENIFER
  4. PALMA SAAVEDRA GUSTAVO
  5. PARDO PEREDO RAIMY

Situación Problema

La pandemia de COVID-19, que sorprendió al planeta a partir de la primera mitad del año 2020, se caracterizó por la propagación mundial del coronavirus. Este nuevo fenómeno representa un nuevo desafío para todos los países.

Un punto en común durante la crisis de las primeras olas es la creciente importancia de la conectividad. Así las tecnologías digitales han sido esenciales para la economía y la sociedad durante la crisis de la pandemia (COVID-19). Las redes y la infraestructura de comunicaciones se han utilizado de forma más intensiva para diferentes áreas productivas, educacionales, de salud y de entretenimiento.

Las soluciones digitales en las áreas mencionadas tienen un papel muy importante en la lucha contra los efectos y repercusiones del COVID-19, puesto que facilitan el cumplimiento de diferentes normas durante la pandemia y viabilizan el funcionamiento socioeconómico. El tráfico en sitios web y el uso de aplicaciones de teletrabajo, educación en linea, entre otras revelan un significativo aumento en el uso de las soluciones digitales.

En ese contexto, es importante interrogarse sobre el Consumo de Datos en Redes Móviles durante la pandemia en Bolivia.

Resumen

Tras la pandemia del COVID-19, cada vez existe un mayor número de personas que trabajan, estudian y socializan desde sus casas. A lo largo de los últimos meses, tanto los operadores móviles como los operadores fijos vieron un incremento en el tráfico de internet. Entre algunos datos mencionados por los informes de la Comisión Económica para América Latina y el Caribe (CEPAL) se tiene, entre el primer y segundo trimestre de 2020, el uso de soluciones de teletrabajo aumentó un 324% y la educación en línea, más del 60%.

El último informe de la Autoridad de Regulación y Fiscalización de Telecomunicaciones y Transporte (ATT), información actualizada a diciembre de 2020, explica que El Servicio de Acceso a Internet, tuvo un crecimiento significativo; alcanzando un total de 10.909.280 conexiones en la gestión 2020. Experimentando así un crecimiento de 3.96% en el periodo de diciembre 2019 a diciembre 2020.

De acuerdo a los datos mencionados anteriormente, el objetivo del presente documento es: “Mostrar el incremento del Consumo de Datos en Redes Móviles durante la pandemia COVID-19. Caso ZTE”.

Mediante el análisis del dataset obtenido de la empresa, se pretende demostrar el incremento en el consumo de datos móviles en los departamentos de Oruro y Potosi.

Es importante mencionar los métodos utilizados los cuales son:

  • Metodo Clusterización:

    • Histograma
    • Diagrama de Densidad

Los resultados obtenidos en la experimentacion cumplen con el objetivo ya mencionado además de la confirmacion de la hipotesis establecida.

Revisión bibliográfica, materiales y métodos

Los datasets utilizados son informacion extraida con permiso de Entel donde se aprecia la cantidad de usuarios y el volumen de trafico cursado durante el año 2020 al 2021, demostrando cambios de tendencia en el comportamiento de consumo.

Marcos teóricos o métodos aplicables

El concepto de “Clúster” fue popularizado por el economista Michel Porter el año 1990, en su libro The Competitive Advantage of Nations. refiriéndose a “un grupo geográficamente próximo de compañías interconectadas e instituciones asociadas, en un campo particular, vinculadas por características comunes y complementarias, incluyendo empresas de productos finales o servicios, proveedores, instituciones financieras y empresas de industrias conexas”.

Así, Porter dijo que” la competitividad de una región se basa en la competitividad de sus industrias que a su vez es mejorada si una industria está sumergida en una profunda red”. Es decir que los clústeres son concentraciones geográficas de empresas e instituciones interconectadas que actúan en determinado campo. Un clúster en el mundo industrial es una concentración de empresas, instituciones y demás agentes, relacionados entre sí por un mercado o producto, en una zona geográfica relativamente definida, de modo de conformar en sí misma un polo de conocimiento especializado con ventajas competitivas.

No siempre quedan constituidos formalmente y a menudo el concepto de clúster en la práctica funciona como tal y se sostiene de una manera operativa por el soporte de asociaciones empresariales como sucede por ejemplo en el sector del mecanizado. Este concepto fue mencionado por por el profesor Juan Alfonso Megías en la materia de Análisis de Riesgo Financiero en inversiones dentro del programa de esta maestría. Lugar donde mencionó la importancia de mantener un riesgo base dependiente de la capacidad de obtener productos de proveedores claves y teniendo en cuenta la disponibilidad de los mismos.

Entre las virtudes de los clústeres se manifiesta la multiplicidad de actores que lo soportan e impulsan: las empresas, el gobierno, la comunidad académica/científica, consumidores, proveedores, cámaras de comercio, asociaciones de profesionales, asociaciones industriales, etc., que cumplen un papel esencial en el desarrollo de un clúster.

Por tanto, para crear un clúster se requiere un compromiso efectivo del sector público y permanente liderazgo por parte del sector privado. esencialmente en sus capacidades, lo cual se traduce en evidentes mejoras de los procesos y las capacidades de organización.

Dentro la selección hecha por el grupo de trabajo para la implementación de un clúster se seleccionó 2 diagramas específicos histograma y densidad, que explicamos a continuación porque fueron elegidos.

Diagrama de Densidad

Un diagrama de densidad visualiza la distribución de datos a través de un período de intervalo o de tiempo continuo. Esta tabla es una variación de un histograma que utiliza un núcleo suavizado para trazar los valores, lo que permite distribuciones curvas y homogéneas al suavizar el ruido. Los picos se muestran en una pantalla de ayuda gráfica de densidad donde los valores se concentran en el intervalo.

Una ventaja que los gráficos de densidad tienen sobre los histogramas es que son mejores en la determinación de la forma de la distribución, al no verse afectados por el número de contenedores o barras usadas en los histogramas típicos, teniendo en cuenta que un histograma normal que conste de sólo 4 barras no produciría una forma lo suficientemente distinguible de la distribución como otro de 20 por ejemplo. Sin embargo con gráficos de densidad esto no es un problema.

Histograma

Un histograma es de gran utilidad para la distribución de datos a través de un intervalo continuo o cierto período de tiempo. Cada barra representa un histograma de la frecuencia tabulada en cada intervalo. El área longitudinal del histograma corresponde al número de datos. Los histogramas ayudan a tener una estimación en cuanto a dónde se concentran los valores, lo que los extremos se encuentran y si hay lagunas o valores inusuales. También son útiles para ofrecer una vista aproximada de la distribución de probabilidades.

Experimentación

Analisis de la base de datos en linea de tiempo

Para el tratamiento de los datos se siguio el siguiente procedimiento, se pre instalo la biblioteca ggplot

library(readr)
library(ggplot2)


lte_trafico3 <- read_csv("E:/2.Mestria MBA Telecom UPB/Modulo 16 - GESTION DE PROVEEDORES Y CADENA DE SUMINISTRO/trabajoFinal/INTENTO_FINAL/lte-trafico3.csv", 
    col_types = cols(DATE = col_date(format = "%d/%m/%Y")))
View(lte_trafico3)

ggplot(lte_trafico3, aes(x = DATE, y = TRAFFIC_GB)) + geom_area(aes(color = REGION, fill = REGION), alpha = 0.5, position=position_dodge(0.8)) + ggtitle("Volumen de trafico LTE  durante la pandemia") + xlab("2020 - 2021") + ylab("Datos en GB") + theme_minimal()

ggplot(lte_trafico3, aes(x = DATE, y = USERS)) + geom_area(aes(color = REGION, fill = REGION), alpha = 0.5, position=position_dodge(0.9)) + ggtitle("Cantidad de usuarios LTE  durante la pandemia") + xlab("2020 - 2021") + ylab("Cantidad de usuarios") + theme_minimal()

Analisis de densidad

library(readr)
library(ggplot2)

par(mfrow=c(1,2))
plot(density(lte_trafico3$TRAFFIC_GB))
plot(density(lte_trafico3$USERS))

Analisis histograma

library(readr)
library(ggplot2)
par(mfrow=c(1,2))
hist(lte_trafico3$TRAFFIC_GB, col = "#008693")
hist(lte_trafico3$USERS, col = "#44dd66")

Interpretación de resultados

Validando lo comentado respecto a que las redes móviles a nivel mundial continúan creciendo exponencialmente, y de acuerdo a lo mostrado en el informe, se confirma que el tráfico de datos y cantidad de usuarios para los departamentos de Oruro y Potosí también presentan una tendencia ascendente a lo largo de los periodos 2020 y 2021.

Existe una caída de tráfico y usuarios al inicio de la pandemia (marzo 2020), debido al confinamiento decretado a nivel nacional. La explicación a este comportamiento recae en que la red de datos móviles es menos utilizada porque los usuarios prefieren (por tema de costos) la red de internet domiciliaria y el acceso a internet también por dispositivos de wifi. Sin embargo, los indicadores ya mencionados retoman su tendencia ascendente al transcurrir los siguientes meses, ya que las actividades cotidianas fueron retomándose en similar proporción.

En las gráficas de densidad e histograma podemos confirmar que a lo largo del periodo de análisis, la mayor cantidad de muestras de tráfico cursado se encuentra en el rango de 2800 GB, mientras que para la cantidad de usuarios cerca de 60000 (promedio). La hipótesis que hace referencia al crecimiento de tráfico a nivel global se reafirma también para el análisis en las dos regiones analizadas.